一种不同时期青光眼视功能障碍的智能验证方法技术

本发明专利技术提供了一种不同时期青光眼视功能障碍的智能验证方法，包括：获取目标瞳孔的动态影像并进行影像预分析，确定瞳孔动态变化障碍时期；从切割数据库中调取与障碍时期匹配的预设拆割方式；按照预设拆割方式对瞳孔影像进行预拆割，构建每个预拆割影像的子影像层，得到总影像层；对每个子影像层进行第一验证，同时，对总影像层进行第二验证；基于第一验证结果以及第二验证结果，判定青光眼视功能障碍程度。通过确定障碍时期的拆割方式对影像进行预拆割，构建子影像层以及总影像层，且通过双重验证，便于精准得到青光眼视功能障碍程度，为提供有效的治疗方案提供合理基础。提供有效的治疗方案提供合理基础。提供有效的治疗方案提供合理基础。

【技术实现步骤摘要】
一种不同时期青光眼视功能障碍的智能验证方法


[0001]本专利技术涉及智能验证
，特别涉及一种不同时期青光眼视功能障碍的智能验证方法。

技术介绍

[0002]青光眼是全球第一位不可逆性致盲眼病，它是以进行性视网膜神经节细胞凋亡以及视敏感度降低为主要特征的视神经病变。随着发病率的增加，青光眼所造成的影响也在日渐扩大。早期诊断、早期治疗可以有效防控病情的发展，预防失明。青光眼早期出现视网膜神经节细胞的损害，通过临床观察到双眼存在不对称性的特点。
[0003]且在对青光眼检测的过程中，一般是通过确定瞳孔对光的反应能力，来对瞳孔进行一个总的分析，来确定障碍程度，该方法在一定程度上并不能保证所确定的障碍程度的精准性。
[0004]因此，本专利技术提出一种不同时期青光眼障碍的智能验证方法。

技术实现思路

[0005]本专利技术提供一种不同时期青光眼障碍的智能验证方法，用以通过确定障碍时期的拆割方式对影像进行预拆割，构建子影像层以及总影像层，且通过双重验证，便于精准得到青光眼障碍程度，为提供有效的治疗方案提供合理基础。
[0006]本专利技术提供一种不同时期青光眼障碍的智能验证方法，包括：步骤1：获取目标瞳孔的动态瞳孔影像并进行影像预分析，确定障碍时期；步骤2：从切割数据库中调取与所述障碍时期匹配的预设拆割方式；步骤3：按照预设拆割方式对所述瞳孔影像进行预拆割，构建每个预拆割影像的子影像层，得到总影像层；步骤4：对每个子影像层进行第一验证，同时，对所述总影像层进行第二验证；步骤5：基于第一验证结果以及第二验证结果，判定青光眼视功能障碍程度。
[0007]优选的，获取目标瞳孔的动态瞳孔影像并进行影像预分析，确定障碍时期，包括：对所述目标瞳孔进行拍摄，来获取瞳孔影像；捕捉所述瞳孔影像中反射异常情况，确定障碍时期。
[0008]优选的，按照预设拆割方式对所述瞳孔影像进行预拆割，包括：从所述瞳孔影像中筛选最具代表性的帧图像；按照所述预设拆割方式，确定拆割点，并在所述帧图像上设置与拆割点一一对应的匹配点；同时，按照所述预设拆割方式的切割规则，对所述匹配点进行点连线，得到切割线条，并按照所述切割线条对所述帧图像进行切割，得到对应的预拆割影像。
[0009]优选的，构建每个预拆割影像的子影像层，得到总影像层，包括：提取每个预拆割影像的像素信息，并对所述像素信息进行同像素范围提取，并将
每个提取结果作为一个子布局；基于所有子布局构建得到子影像层；获取相邻子影像层之间的连接线，并对所述连接线上线位置集合，分别向所述线位置集合中的每个位置坐标设置相邻像素组合；基于所述相邻像素组合，确定对应位置坐标的过渡像素，进而获取得到所述连接线的线像素阵列；根据所述线像素阵列，对像素进行归一化处理，得到标准像素；按照所述标准像素对所述连接线进行像素填充，进而构建得到总影像层。
[0010]优选的，对每个子影像层进行第一验证，包括：分别获取所述子影像层中每个位置点的影像参数，构建参数集合；将所述参数集合与标准集合进行比较，确定障碍参数；获取标准瞳孔中与子影像层处于同切割块的障碍设置条件所匹配的障碍解析机制；基于所述障碍解析机制，对所述障碍参数进行定位解析，并对障碍定位结果基于对应子影像层进行层区域匹配；获取同个子影像层中每个层区域的障碍向量；按照青光眼发生规律，对所述障碍向量进行边界构建得到初始范围；根据所述障碍向量中每个元素的位置坐标，并按照范围优化原则，对所述初始范围进行范围优化，得到障碍范围；确定所述障碍范围基于对应层区域的面积占比以及对应层区域的区域权重；根据所述面积占比以及区域权重，确定对应障碍范围的范围权重；其中，表示对应障碍范围的范围权重；表示对应层区域的区域权重；1表示对应的初始范围；2表示对应障碍范围；表示对应层区域的区域范围；根据所有范围权重，获取得到对应子影像层的总障碍权重；其中，表示对应子影像层中第i1个范围权重；表示除去第i1个范围权重的剩余权重对该第i1个范围权重的权重微调因子，取值范围为[
‑
0.01，0.01]；表示总障碍权重；调取对应子影像层的最小障碍权重，并对所述总障碍权重进行第一验证，若验证通过，判定将对应子影像层不作为障碍参考标准；否则，判定将对应子影像层作为障碍参考标准。
[0011]优选的，对所述总影像层进行第二验证，包括：获取所述总影像层的指标集合；
提取所述总影像层的指标集合，并确定每个第一指标的指标参数；将所述指标参数分别与所述第一指标对应的标准参数进行比较；若都通过，判定对所述总影像层第二验证合格；否则，提取验证合格的第二指标以及提取验证不合格的第三指标。
[0012]优选的，基于第一验证结果以及第二验证结果，判定青光眼障碍程度，包括：根据所述第一验证结果，确定所有子影像层中作为障碍参考标准的第一子影像层以及不作为障碍参考的第二子影像层；根据所述第二验证结果，确定验证合格的第二指标以及验证不合格的第三指标；建立所述第二指标与第一子影像层的第一相似关系以及所述第三指标与第二子影像层的第二相似关系；当所述第一相似关系以及第二相似关系都满足相似标准时，根据第三指标对青光眼障碍程度进行确定；当都不满足相似标准时，建立所述第二指标与第二子影像层的第三相似关系以及所述第三指标与第一子影像层的第四相似关系；基于所述第一相似关系、第三相似关系进行相似提取，得到第一待判定指标，同时，基于所述第二相似关系、第四相似关系进行相似提取，得到第二待判定指标；基于所述第一待判定指标以及第二待判定指标对青光眼障碍程度进行确定。
[0013]优选的，根据第三指标对青光眼障碍程度进行确定，包括：其中，表示第三指标的个数；表示第j2个第三指标的指标值；表示第j2个第三指标的标准值；表示对第j2个第三指标的指标值的转换系数；表示第j2个第三指标的指标权重；其中，；表示障碍值；调取与所述障碍时期所匹配的障碍程度列表，并将所述障碍值与所述障碍程度列表进行匹配，确定青光眼障碍程度。
[0014]与现有技术相比，本申请的有益效果如下：通过确定障碍时期的拆割方式对影像进行预拆割，构建子影像层以及总影像层，且通过双重验证，便于精准得到青光眼障碍程度，为提供有效的治疗方案提供合理基础。
[0015]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0016]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0017]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1为本专利技术实施例中一种不同时期青光眼障碍的智能验证方法的流程图；
图2为本专利技术实施例中的影像拆割的流程图。
具体实施方式
[0018]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种不同时期青光眼障碍的智能验证方法，其特征在于，包括：步骤1：获取目标瞳孔的动态瞳孔影像并进行影像预分析，确定障碍时期；步骤2：从切割数据库中调取与所述障碍时期匹配的预设拆割方式；步骤3：按照预设拆割方式对所述瞳孔影像进行预拆割，构建每个预拆割影像的子影像层，得到总影像层；步骤4：对每个子影像层进行第一验证，同时，对所述总影像层进行第二验证；步骤5：基于第一验证结果以及第二验证结果，判定青光眼障碍程度。2.如权利要求1所述的不同时期青光眼障碍的智能验证方法，其特征在于，获取目标瞳孔的动态瞳孔影像并进行影像预分析，确定障碍时期，包括：对所述目标瞳孔进行拍摄，来获取瞳孔影像；捕捉所述瞳孔影像中反光异常情况，确定障碍时期。3.如权利要求1所述的不同时期青光眼障碍的智能验证方法，其特征在于，按照预设拆割方式对所述瞳孔影像进行预拆割，包括：从所述瞳孔影像中筛选最具代表性的帧图像；按照所述预设拆割方式，确定拆割点，并在所述帧图像上设置与拆割点一一对应的匹配点；同时，按照所述预设拆割方式的切割规则，对所述匹配点进行点连线，得到切割线条，并按照所述切割线条对所述帧图像进行切割，得到对应的预拆割影像。4.如权利要求1所述的不同时期青光眼障碍的智能验证方法，其特征在于，构建每个预拆割影像的子影像层，得到总影像层，包括：提取每个预拆割影像的像素信息，并对所述像素信息进行同像素范围提取，并将每个提取结果作为一个子布局；基于所有子布局构建得到子影像层；获取相邻子影像层之间的连接线，并对所述连接线上线位置集合，分别向所述线位置集合中的每个位置坐标设置相邻像素组合；基于所述相邻像素组合，确定对应位置坐标的过渡像素，进而获取得到所述连接线的线像素阵列；根据所述线像素阵列，对像素进行归一化处理，得到标准像素；按照所述标准像素对所述连接线进行像素填充，进而构建得到总影像层。5.如权利要求1所述的不同时期青光眼障碍的智能验证方法，其特征在于，对每个子影像层进行第一验证，包括：分别获取所述子影像层中每个位置点的影像参数，构建参数集合；将所述参数集合与标准集合进行比较，确定障碍参数；获取标准瞳孔中与子影像层处于同切割块的障碍设置条件所匹配的障碍解析机制；基于所述障碍解析机制，对所述障碍参数进行定位解析，并对障碍定位结果基于对应子影像层进行层区域匹配；获取同个子影像层中每个层区域的障碍向量；按照青光眼发生规律，对所述障碍向量进行边界构建得到初始范围；根据所述障碍向量中每个元素的位置坐标，并按照范围优化原则，对所述初始范围进
行范围优化，得到障碍范围；确定所述障碍范围基于对应层区域的面...

【专利技术属性】
技术研发人员：索玲格，张纯，侯广琦，李海青，武会杰，
申请(专利权)人：天津中科虹星科技有限公司，
类型：发明
国别省市：